Analyse de la variance à deux facteurs

Transcription

1 1 1 IRMA, Université Louis Pasteur Strasbourg, France Master 1 Psychologie du développement

2 Contexte Nous nous proposons d analyser l influence du temps et de trois espèces ligneuses d arbre sur la décomposition de la masse d une litière constituée de feuilles de Lierre. Pour ce faire, 24 sachets d une masse identique de feuilles de lierre ont été constitués, sachets permettant une décomposition naturelle. Puis une première série de 8 sachets, choisis au hasard, a été déposée sous un chêne, une deuxième sous un peuplier, et la dernière série sous un frêne. Après 2, 7, 10 et 16 semaines respectivement, deux sachets sont prélevés au hasard sous chaque arbre et la masse résiduelle est déterminée pour chacun d eux. Cette masse est exprimée en pourcentage de la masse initiale.

3 Les données Les valeurs observées sont données dans le tableau suivant : Semaine Chêne Peuplier Frêne 2 85, 10 85, 20 84, 30 87, 60 84, 90 85, , 90 73, 00 72, 80 72, 85 75, 70 70, , 60 74, 15 67, 10 66, 95 71, 85 64, , 10 67, 25 58, 75 64, 30 60, 25 59, 00

4 Les écritures Nous pouvons écrire ce tableau sous forme standard, qui est celle utilisée dans la plupart des logiciels et en particulier avec le logiciel R, c est-à-dire avec trois colonnes, une pour la semaine, une pour l espèce et une pour la masse, et 24 lignes, une pour chaque sachet.

5 Les données Sachet Semaine Arbre Masse 1 2 Chêne 85, Chêne 87, Peuplier 85, Peuplier 84, Frêne 84, Frêne 85, Chêne 75, Chêne 72, 85

6 Les données Sachet Semaine Arbre Masse 9 7 Peuplier 73, Peuplier 75, Frêne 72, Frêne 70, Chêne 71, Chêne 66, Peuplier 74, Peuplier 71, 85

7 Les données Sachet Semaine Arbre Masse Frêne 67, Frêne 64, Chêne 62, Chêne 64, Peuplier 67, Peuplier 60, Frêne 58, Frêne 59, 00

8 Le but Nous nous proposons d utiliser l analyse de la variance à deux facteurs. Nous observons trois variables : 1 deux d entre elles sont des variables contrôlées, l arbre, qualitative à trois modalités, et la semaine qui peut être considérée comme qualitative à quatre modalités. 2 La troisième variable est une réponse quantitative. Donc l analyse de la variance à deux facteurs (semaine et espèce d arbre) croisés, avec interaction, peut convenir, entre autres méthodes d analyse de ces données.

9 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Le contexte Dans l étude des effets simultanés d un facteur à I modalités et d un facteur à J modalités sur une variable quantitative Y, supposons que Y suive des lois normales, a priori différentes dans les IJ populations disjointes déterminées par la conjonction de deux modalités des facteurs étudiés. Supposons que, dans la population correspondant à la modalité d ordre i du premier facteur et à la modalité d ordre j du deuxième facteur, nous ayons : L(Y ijk ) = N (µ ij ; σ 2 ), pour tout i = 1,..., I, j = 1,..., J et k = 1..., K.

10 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance L idée Pour mettre en évidence les éventuelles différences entre le comportement de la variable Y dans les I modalités du premier facteur, dans les J modalités du deuxième facteur, ou encore dans l interaction entre les deux facteurs, nous considérons des échantillons indépendants de même taille K de la variable Y dans chacune des IJ populations, soit au total un n-échantillon avec n = I J K.

11 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Le modèle statistique Pour la variable d ordre k de la population d indice (i, j), notée Y ijk, nous posons : Y ijk = µ + α i + β j + (αβ) ij + E ijk, pour tout i = 1,..., I, j = 1,..., J et k = 1,..., K, avec, pour éviter une surparamétrisation, les contraintes I α i = i=1 J β j = j=1 I (αβ) ij0 = i=1 J (αβ) i0 j = 0, j=1 pour i 0 = 1,..., I et j 0 = 1,..., J.

12 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Les trois hypothèses du modèle Les variables erreurs E ijk sont supposées indépendantes et suivre une loi normale N (0; σ 2 ). Leurs réalisations, notées ê ijk, sont considérées comme les erreurs de mesure, elles sont inconnues et vérifient : y ijk = µ ij + ê ijk, pour i = 1,..., I, j = 1,..., J, k = 1,..., K.

13 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Les trois tests L analyse de la variance à deux facteurs avec répétitions permet trois tests de Fisher. Le premier test Nous testons : l effet du premier facteur F α : Nous testons l égalité des I paramètres α i correspondant aux I modalités du premier facteur (H 0 ) : les I paramètres α i sont tous nuls contre (H 1 ) : les I paramètres α i ne sont pas tous nuls.

14 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Le deuxième test Nous testons : l effet du deuxième facteur F β. Il consiste à tester l égalité des J paramètres β j correspondant aux J modalités du deuxième facteur (H 0 ) : les J paramètres β j sont tous nuls contre (H 1 ) : les J paramètres β j ne sont pas tous nuls.

15 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Le troisième test Nous testons : l effet de l interaction entre les deux facteurs F α et F β. Il consiste à comparer (H 0 ) : les IJ paramètres (αβ) ij sont tous nuls contre (H 1 ) : les IJ paramètres (αβ) ij ne sont pas tous nuls.

16 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Notations Nous posons Y ij = 1 K k Y = 1 Y ijk, n Y ijk, Y i = 1 JK i,j,k j,k Y ijk, Y j = 1 IK Y ijk. i,k

17 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Notations SC T = i,j,k (Y ijk Y ) 2, SC R = i,j,k (Y ijk Y ij ) 2, SC α = i,j,k (Y i Y ) 2, SC β = i,j,k (Y j Y ) 2, SC αβ = i,j,k (Y ij Y i Y j + Y ) 2.

18 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance L équation de l anova L équation de l analyse de la variance devient pour ce modèle : SC Tot = SC R + SC α + SC β + SC αβ. où la somme SC Tot, la somme totale, mesure la somme des carrés des écarts à la moyenne globale, toutes causes confondues,

19 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance L équation de l anova - Suite la somme SC R, la somme résiduelle, cumule les carrés des écarts des différentes observations à la moyenne de l échantillon dont elles font partie. Dans la somme totale elle représente la part de la dispersion due aux fluctuations individuelles.

20 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance L équation de l anova - Suite la somme SC α, la somme due au premier facteur, ou somme entre modalités du facteur F α, mesure l effet du premier facteur. la somme SC β, ou somme due au deuxième facteur, ou somme entre modalités du facteur F β, mesure l effet du deuxième facteur. la somme SC αβ mesure l effet de l interaction entre les deux facteurs.

21 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Propriété Sous les différentes hypothèses nulles (H 0 ) d égalité des paramètres de la décomposition des µ ij, nous pouvons préciser les lois respectives des variables précédentes. Elles suivent des lois du χ 2 : ( ) ( ) 1 1 L H0 σ 2 SC Tot = χ 2 n 1, L H0 σ 2 SC R = χ 2 n IJ, ( ) ( ) 1 1 L H0 σ 2 SC α = χ 2 I 1, L H0 σ 2 SC β = χ 2 J 1, ( ) 1 L H0 σ 2 SC αβ = χ 2 (I 1)(J 1).

22 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Suite de la propriété De plus, les variables SC R et SC α, SC R et SC β, SC R et SC αβ sont indépendantes, de sorte que : SC α L H0 I 1 SC R = F (I 1),IJ(K 1), IJ(K 1) L H0 SC β J 1 SC R IJ(K 1) = F (J 1),IJ(K 1),

23 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Fin de la propriété L H0 SC αβ (I 1)(J 1) SC R IJ(K 1) = F (I 1)(J 1),IJ(K 1).

24 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Les tests Les tests sont réalisés à l aide des valeurs numériques suivantes : y = 1 IJK y i = 1 JK y ijk, i,j,k j,k y ij = 1 K y ijk, k y ijk, y j = 1 IK y ijk. i,k

25 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Les tests - Suite SC Tot = I J (y ijk y) 2 = i,j,k SC R = (y ijk y ij ) 2 = i,j,k K yijk 2 i=1 j=1 k=1 I J K IJK y 2, K I yijk 2 i=1 j=1 k=1 i=1 j=1 SC α = I (y i y) 2 = JK y 2 i IJK y 2, i,j,k i=1 J y 2 ij,

26 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Les tests - Fin SC β = J (y j y) 2 = IK y 2 j IJK y 2, i,j,k j=1 SC αβ = (y ij y i y j + y) 2 i,j,k = K I J y 2 ij JK i=1 j=1 I y 2 i IK i=1 J y 2 j + IJK y 2. j=1

27 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Décision Pour un seuil α(= 5% = 0, 05 en général), les tables de la loi de Fisher notée F nous fournissent pour chacun des trois tests une valeur critique c telle que P H0 (F < c) = 1 α. Alors nous décidons : { si Fobs < c (H 0 ) est vraie, si c F obs (H 1 ) est vraie.

28 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Les résultats des calculs sont généralement présentés sous la forme d un tableau.

29 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Tableau de l ANOVA Variation SC ddl s 2 F obs F c Due au facteur α SC α I 1 s 2 α Due au facteur β SC β J 1 s 2 β Interaction SC αβ (I 1)(J 1) s 2 αβ Résiduelle SC R IJ(K 1) sr 2 Totale SC Tot n 1 sα 2 sr 2 sβ 2 sr 2 sαβ 2 sr 2 c c c

30 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Exemple Pour l exemple précédent, en utilisant R, le tableau de l analyse de la variance s écrit : Sum Sq Df F P Semaine e 09 Arbre Interaction Résiduelle Totale

31 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Conclusion Supposons provisoirement que les conditions du modèle d anova à 2 facteurs avec répétitions soient vérifiées, nous pouvons 1 décider d accepter H 1. Il y a effet du premier facteur. 2 décider d accepter H 1. Il y a effet du deuxième facteur. 3 décider d accepter H 0. Il n y a pas d effet de l interaction entre les deux facteurs.

32 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Remarque S il y avait eu un effet de l interaction alors pour préciser le type d interaction mis en évidence par le test, nous pourrions comparer les moyennes y ij pour les différentes valeurs de i et j. Graphiquement, nous porterons en abscisse les valeurs de i (les I modalités). Pour chaque valeur de j nous relierons les valeurs de y ij portées en ordonnées. L aspect du faisceau des lignes brisées, variant ou non dans le même sens, s interprétera facilement. À titre d exemple, nous allons donner ces graphiques bien qu il n y ait pas d effet d interaction.

33 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Graphique des interactions FIG.: Représentation graphique des interactions

34 Le modèle Les tests Les statistiques Les formules de calculs Le tableau de l analyse de la variance Graphique des interactions FIG.: Représentation graphique des interactions

35 Vérification des conditions Pour ce modèle, l estimation des moyennes théoriques µ ij se fait par les moyennes observées y ij («valeurs ajustées»). Les résidus sont alors donnés par l expression : ê ijk = y ijk y ij, i = 1,..., I; j = 1,..., J; k = 1,..., K. Leur normalité et l homogénéité des variances se vérifient par les mêmes méthodes que pour une analyse de la variance à un facteur.

36 Vérification des conditions sur l exemple Commençons par tester la normalité des résidus. > shapiro.test(residus) Shapiro-Wilk normality test data : residus W = , p-value = «L hypothèse de normalité des résidus est acceptée (p-value=0.8187)».

37 Vérification des conditions sur l exemple - Suite et fin Nous allons maintenant chercher à tester l homogénéité des variances. Malheureusement, dans le cas qui nous intéresse, nous ne pouvons pas tester l homogénéité des populations parce qu il n y a que deux observations pour chacune d elles et la puissance d un tel test serait très faible. Nous verrons dans le dernier paragraphe, comment nous pouvons parer à cet inconvénient. La solution que nous proposerons n est pas aussi performante que si nous testions l homogénéité mais elle sera un bon indicateur pour savoir si cette condition est vérifiée.

38 Comparaisons multiples Lorsque l effet d un facteur a été mis en évidence, le test de Tukey ou celui de Dunnett s applique chaque fois que le nombre d observations le permet, à l aide de la même statistique. Les effectifs n i et n i sont alors ceux des classes comparées.

39 Comparaisons multiples sur l exemple Nous allons réaliser les comparaisons multiples pour le facteur «Semaine» avec R. Semaine diff lwr upr p adj

40 Comparaisons multiples sur l exemple Facteur 1 : Semaine. Nous obtenons les classes d égalité suivantes : Modalités Moyennes Classes du facteur observées d égalité S A S B S C S D

41 Comparaisons multiples sur l exemple Nous allons réaliser les comparaisons multiples pour le facteur «Arbre» avec R. Arbre diff lwr upr p adj

42 Exemple Facteur 2 : Arbre. Nous obtenons les classes d égalité suivantes : Modalités Moyennes Classes du facteur observées d égalité Chêne A Peuplier B Frêne C

43 Modèle et sommes des carrés Étude complète d un exemple L idée générale Dans le cas où nous étudions l effet simultané de deux facteurs à, respectivement, I et J modalités et que nous disposons d une seule observation pour chaque population, c est à dire K = 1, les résultats du paragraphe précédent ne sont plus valables. Nous devons supposer que l interaction entre les deux facteurs est nulle. Partant du même modèle, nous écrivons plus simplement : Y ij = µ + α i + β j + E ij avec les contraintes I α i = i=1 J β j = 0. j=1

44 Modèle et sommes des carrés Étude complète d un exemple Notations Nous avons les notations analogues : y = 1 IJ y ij, i,j y i = 1 y ij, J j y j = 1 I y ij, i SC Tot = i,j (y ij y) 2 = i,j y 2 ij IJy 2, SC R = i,j (y ij y i y j + y) 2,

45 Modèle et sommes des carrés Étude complète d un exemple Notations SC α = i,j (y i y) 2 = J i y 2 i IJy 2, SC β = i,j (y j y) 2 = I j y 2 j IJy 2.

46 Modèle et sommes des carrés Étude complète d un exemple Remarque importante Remarquons que l expression définissant, dans le cas avec répétitions, la somme des carrés associée à l interaction, est associée ici à la somme des carrés de la résiduelle.

47 Modèle et sommes des carrés Étude complète d un exemple Tableau de l ANOVA Nous avons alors le tableau de l analyse de la variance suivant : Variation SC ddl F obs F c Due au facteur α SC α I 1 Due au facteur β SC β J 1 Résiduelle SC R (I 1)(J 1) Totale sc T IJ 1 sα 2 sr 2 sβ 2 sr 2 c c

48 Modèle et sommes des carrés Étude complète d un exemple L idée générale La démarche est alors analogue à celle de l analyse de la variance à deux facteurs avec répétitions. Notons que dans ce cas les valeurs ajustées sont données par et les résidus par l expression : µ ij = y i + y j y ê ij = y ij y i y j + y, i = 1,..., I; j = 1,..., J.

49 Modèle et sommes des carrés Étude complète d un exemple Exemple L influence d un traitement grossissant, à base de vitamines, est étudiée sur des animaux de races différentes. Pour cela nous disposons d animaux de trois races, notées R i, pour i = 1, 2, 3, et nous avons effectué trois traitements, notés D j, pour j = 1, 2, 3, utilisant respectivement 5, 10 et 15µg de vitamines B12 par cm 3. Le gain moyen de poids par jour est mesuré, à l issue d un traitement de 50 jours dans chaque cas. Un seul animal est utilisé pour chaque couple «race-traitement».

50 Modèle et sommes des carrés Étude complète d un exemple Les données Voici les résultats des mesures : R 1 R 2 R 3 D 1 1, 26 1, 21 1, 19 D 2 1, 29 1, 23 1, 23 D 3 1, 38 1, 27 1, 22

51 Modèle et sommes des carrés Étude complète d un exemple L objectif Nous nous proposons d effectuer une analyse de la variance à deux facteurs sans répétition, il y a en effet une seule observation par «case». Les facteurs, contrôlés, à effets fixes, sont la race et la dose, tous les deux à 3 modalités. La réponse est le gain moyen de poids.

52 Modèle et sommes des carrés Étude complète d un exemple Les données Cet ensemble de données doit être saisi, dans un logiciel sous la forme d un tableau empilé : Race Dose Gain R 1 D 1 1, 26 R 1 D 2 1, 29 R 1 D 3 1, 38 R 2 D 1 1, 21 R 2 D 2 1, 23 R 2 D 3 1, 27 R 3 D 1 1, 19 R 3 D 2 1, 23 R 3 D 3 1, 22

53 Modèle et sommes des carrés Étude complète d un exemple Les hypothèses Nous testons les hypothèses : H0 R : contre H R 1 : les races n ont pas d effet, les races ont un effet et H0 D : contre H1 D : les doses n ont pas d effet, les doses ont un effet.

54 Modèle et sommes des carrés Étude complète d un exemple Le tableau de l anova Voici le tableau de l analyse de la variance construit par R : Sum Sq Df Mean Sq F P Race Dose Res

55 Modèle et sommes des carrés Étude complète d un exemple Les résultats Nous décidons : 1 H R 1 2 H D 0 est vraie, il y a un effet des races (p = ) est vraie, il n y a pas d effet des doses sur le gain de poids (p = ).

56 Modèle et sommes des carrés Étude complète d un exemple Vérification des hypothèses Nous vérifions à présent les conditions d application de l analyse de la variance. Indépendance des données : Ok! Normalité des résidus : > shapiro.test(residus) Shapiro-Wilk normality test data : residus W = , p-value = Nous décidons que l hypothèse de normalité est vérifiée. Nous décidons que la normalité de l erreur théorique est acceptée.

57 Modèle et sommes des carrés Étude complète d un exemple Vérification des hypothèses Il nous reste plus qu à vérifier l égalité des variances des résidus ou encore appelé l homogénéité des variances. Remarquons tout d abord que nous ne pouvons pas tester l égalité des variances : en effet nous n avons qu une observation par «case». Cependant, à titre indicatif, nous pouvons tester : l égalité des variances des gains selon les races, H 0 : contre H 1 : les variances des races sont égales, les variances des races ne sont pas égales.

58 Modèle et sommes des carrés Étude complète d un exemple Vérification des hypothèses Le test de Bartlett donne : > bartlett.test(residus Race,data=exemple2) Bartlett test of homogeneity of variances data : residus by Race Bartlett s K-squared = , df = 2, p-value = Nous décidons donc que l hypothèse d homogénéité est vérifiée. Nous décidons que les variances théoriques des gains des trois races sont égales.

59 Modèle et sommes des carrés Étude complète d un exemple Vérification des hypothèses Nous pouvons tester aussi : l égalité des variances des gains des doses, H 0 : contre H 1 : les variances des doses sont égales, les variances des doses ne sont pas égales.

60 Modèle et sommes des carrés Étude complète d un exemple Vérification des hypothèses Le test de Bartlett donne : > bartlett.test(residus Dose,data=exemple2) Bartlett test of homogeneity of variances data : residus by Dose Bartlett s K-squared = , df = 2, p-value = Nous décidons donc que l hypothèse d homogénéité est vérifiée. Nous décidons que les variances théoriques des gains des trois doses sont égales.

61 Modèle et sommes des carrés Étude complète d un exemple Vérification des hypothèses Cependant ces deux résultats ne nous garantissent pas l égalité des 9 variances théoriques mais sont de bons indicateurs pour l homoscédasticité.

62 Modèle et sommes des carrés Étude complète d un exemple Comparaisons multiples Comme nous avons décidé que H1 R est vraie, il y a un effet de la race, nous allons procéder à des comparaisons multiples pour analyser comment les races sont différentes par rapport au gains de poids. Pour ce faire nous utilisons le test de Tukey au seuil de α = 5% = 0, 05.

63 Modèle et sommes des carrés Étude complète d un exemple Script de R et sorties de R > TukeyHSD(model1) Tukey multiple comparisons of means 95% family-wise confidence level Fit : aov(formula = Gain Race + Dose, data = exemple2) Race diff lwr upr p adj

64 Modèle et sommes des carrés Étude complète d un exemple Résumé des résultats Nous pouvons résumer ces résultats par le tableau : Modalités du facteur R 1 R 2 R 3 Classes d égalité A B C

65 Modèle et sommes des carrés Étude complète d un exemple Conclusions Nous montrons ainsi que la première race est différente des deux autres, dont le gain de poids est similaire. Comme nous avons décidé H0 D est vraie, il n y a pas d effet de la dose sur le gain de poids, nous allons calculer le risque β a posteriori. Pour cela, nous calculons : Φ = 1, 575. En reportant cette dernière valeur sur le graphique de l abaque correspondant à ν 1 = J 1 = 2 et à ν 2 = (I 1)(J 1) = 4, nous obtenons π 1 = 0, 45 et β = 0, 55. Ce qui signifie, que le non effet de la dose est associé à un risque de l ordre de 0, 55 ce qui est relativement important.